Uma Comparação entre MongoDB E CouchDB A Comparison between MongoDB and CouchDB
Eder Carlos Salazar Sotto – eder.sotto@fatectq.edu.br Faculdade de Tecnologia de Taquaritinga – Taquaritinga –São Paulo – Brasil Kevin Lucas Germano – k.germano55@gmail.com Faculdade de Tecnologia de Taquaritinga – Taquaritinga –São Paulo – Brasil
RESUMO
Este artigo apresenta uma comparação de performance entre os SGBDs NoSQL MongoDB e CouchDB. O estudo de caso realizado apresenta os tempos de execução de conjuntos de operação de inserção, busca, atualização e exclusão (ações estas denominadas CRUD na linguagem dos bancos de dados), dos dois sistemas de gerenciamento de banco de dados, permitindo obter estas métricas de maneira quantitativa, e apresentá-las em forma de tabelas comparativas para cada operação, comparando a performance de ambos os SGDBs executando o mesmo conjunto de operações. Pelos resultados obtidos no ambiente de teste criado, é evidente a diferença entre o tempo de inserção, busca, atualização e exclusão entre MongoDB e CouchDB, permitindo assim concluir que o MongoDB é o mais performático para ser utilizado em conjunto com a linguagem PHP no desenvolvimento de aplicações Web. Palavras-chave: MongoDB. CouchDB. Tempo. PHP.
ABSTRACT
This article shows an introduction to NoSQL, MongoDB and CouchDB, terms related to the non-relational database environment. Its main point is to show the time of each insertion, search, update and delete operation (actions called CRUD in the database language) of two database management systems, named MongoDB and CouchDB. Keeping in mind that database management systems have different times for their operations, it has been discovered how much time it takes to enter, find, change, and delete, thereby creating a test environment needed to obtain the data in a quantitative way and presents them in the form of tables for each operation to make a comparison between both SGDBs. By the results obtained in the created test environment, it is clear the difference between the insertion, search, update and exclusion time between MongoDB and CouchDB, thus making MongoDB the recommended one to be used in along the PHP language for web application development. Keywords: MongoDB. CouchDB. Time. PHP.
1 INTRODUÇÃO
Muitas empresas coletam uma grade quantidade de dados de seus clientes, como forma de pesquisa, para suas ações futuras através de mineração de dados (Joel De Bortoli,2012).
Assim se faz necessário um sistema de gerenciamento de banco de dados com um tempo de inserção, busca, alteram e exclusão rápido e eficiente. Neste sentido, este artigo visa verificar o tempo para que essas operações entre os dois SGDBs (sistema de gerenciamento de banco de dados) sendo eles MongoDB e CouchDB, apresentando-as de maneira quantitativa em formas de tabelas e gráficos com seus devidos resultados.
1.1 OBJETIVO GERAL
Demonstrar uma comparação de desempenho para medir e analisar o tempo de execução de inserir, atualizar, remover e consultar dados armazenados em dois diferentes sistemas de gerenciamento de banco de dados não-relacionais: MongoDB e CouchDB, utilizado a linguagem PHP.
1.2 OBJETIVOS ESPECÍFICOS
● Propor cenários de testes utilizando a linguagem PHP para avaliar o desempenho de ambos os sistemas de gerenciamento de banco de dados em relação ao tempo de execução.
● Analisar o desempenho dos bancos de dados escolhidos ● Apresentar os resultados obtidos em cada cenário.
1.3 ESTRUTURA DO TRABALHO
Este trabalho foi Organizado da seguinte forma.
Na seção 1 foram apresentados a motivação, uma breve introdução do tema abordado e o objetivo do trabalho.
Na seção 2 são abordadas as principais características do NoSQL, MongoDB e
Na seção 3, desenvolve-se o estudo de caso, onde são definidos cenários de teste e realizadas as execuções dos testes.
Na seção 4 é feita avaliação dos resultados obtidos, bem como, a comparação dos entre cada sistema de gerenciamento de banco de dados.
2 FUNDAMENTAÇÃO TEÓRICA
Neste capítulo serão apresentadas as principais características de como um banco de dados pode ser definido, o que é NoSQL e uma introdução à SGDBs o MongoDB e CouchDB
2.1 BANCO DE DADOS
Um banco de dados pede ser definido como um local onde são armazenados dados necessários para a manutenção das atividades de organização, empresas, sites, possuindo vários níveis de interação com o mundo real.
Segundo Date (2004, p. 6), “Um banco de dados é uma coleção de dados persistentes, usada pelos sistemas de aplicação de uma determinada empresa”, sem então, um local que possibilita o acesso à informais, para os gerenciamentos dos dados de uma empresa.
Para Elmasri e Navathe (2011, p. 3), na expressão Banco de Dados, subentende-se que:
Um banco de dados representa algum aspecto do mundo real, às vezes chamado de minimundo ou de universo de discurso (UoD – Universe of Discourse). As mudanças no minimundo são refletidas no Banco de Dados. Um banco de dados é uma coleção logicamente coerente de dados com algum significado inerente. Uma variedade aleatória de dados não pode ser corretamente chamada de banco de dados. Um banco de dados é projetado, construído e populado com dados para uma finalidade específica. Ele possui um grupo definido de usuários e algumas aplicações previamente concebidas nas quais esses usuários estão interessados.
Para tanto, o Software Gerenciador de Banco de Dados disponibiliza recursos para definir, construir, manipular, compartilhar, proteger e manter bancos de dados (ELMASRI; NAVATHE, 2011).
A origem do termo NoSQL, e a ideia de um SGBD não-relacional começou em 1998, sem também um nome de um banco de dados. Seu criador Carlo Strozzi, criou seu sistema de gerenciamento de banco de dados que usa um paradigma de operador de fluxo para acessar dados em vez de sintaxe SQL (TAMANE, 2016).
O autor do termo NoSQL, Carlo Strozzi afirma que "é completamente distinto do modelo relacional e, portanto, deveria ser mais apropriadamente chamado "NoREL" ou algo que produzisse o mesmo efeito" (STROZZI, 2007).
"NoSQL é um movimento que promove soluções de armazenamento de dados não relacionais.” (PORCELLI, 2011).
Os bancos de dados NoSQL nasceram das necessidades de atender os requisitos, que os bancos de dados relacionais não podem atender. Em sua maioria, essas bases representam algumas características que vale a pena ressaltar, como: alta performance, escalabilidade, replicação, suporte a dados estruturados, grafos e sub-colunas (NASCIMENTO, 2010).
A necessidade de uma performance superior e de alta escalabilidade vem do gasto com os atuais bancos de dados relacionais que são muito restritos sendo necessária a distribuição vertical de servidores, sendo assim, elevando a um custo maior conforme a necessidade do uso mais dados, de mais memória e demais disco um servidor (NASCIMENTO,2010).
Nesta área o NoSQL tem uma grande facilidade na distribuição horizontal, ou seja, não necessita de servidores de alta performance.
Alguns dos bancos mais utilizados nos dias de hoje, são NoSQL como o MongoDB.
2.2 MONGODB
MongoDB é um SGDB orientado a documentos de alta performance. Como citado no capítulo anterior, o MongoDB é classificado como um banco de dados NOSQL, tendo como uma de sua característica de ser um software de código aberto (DOCS.MONGODB, 2017).
Os bancos de dados orientados a documentos são bastante diferentes dos tradicionais bancos de dados relacionais. Em vez de armazenar dados em estruturas rígidas, como tabelas, eles os armazenam em documentos vagamente definidos (CUNHA, 2011).
O MogoDB foi desenvolvido na linguagem de programação C++ e tem drivers disponíveis para as seguintes linguagens de programação C, C++, C#, Java, Perl, PHP, Python, Ruby e Scala (DOCS.MONGODB, 2017).
Inicialmente, o MongoDB foi desenvolvido como um componente de serviço pela empresa 10gen em outubro de 2007, somente no ano de 2009 passou a ser um software open-source (SOLAGNA; LAZZARETTI,2016).
2.3 COUCHDB
Para Joe Lennon (2009) CouchDB é:
CouchDB é um sistema de software livre de gerenciamento de banco de dados orientado a documentos que pode ser acessado através da API de JavaScript Object Notation (JSON) RESTful. O termo "Couch" é um acrônimo para "Cluster Of Unreliable Commodity Hardware", que reflete a meta do CouchDB de ser extremamente escalável, oferecendo alta disponibilidade e confiabilidade, mesmo ao executar em hardware que está geralmente sujeito à falhar. O CouchDB foi gravado originalmente em C++, mas em abril de 2008, o projeto foi movido para a plataforma Erlang OTP devido à sua ênfase em tolerância a falhas.
Atualmente o CouchDB conta com drivers para várias linguagens de programação, sendo elas: C, C++, C#, Java, Perl, PHP, Python, Ruby e Scala(DOCS.COUCHDB.ORG. 2017).
2.4 PHP
PHP é uma linguagem de script embutida no HTML. Muito da sua sintaxe é emprestada de C, Java e Perl com algumas características específicas do PHP juntas. O objetivo da linguagem é permitir que desenvolvedores web escrevam páginas geradas dinamicamente de forma rápida (SECURE.PHP.NET,2017).
3 DESENVOLVIMENTO
Foi desenvolvido um pequeno software para realização dos testes de performance, onde foi possível a criação de um cenário fictício que serviu como base para a realização dos testes.
A partir desse cenário foram feitas as modelagens dos dados para cada SGBD, utilizando a mesma estrutura em ambos os sistemas.
O objetivo dos testes foi comparar o desempenho de cada SGBD através de inserção, alteração, remoção e alteração, visando saber qual dos SGDBs MongoDB e CouchDB tem o menor tempo de resposta para execução para as ações citadas.
A Ilustração 1, a presenta a estrutura da collection do MongoDB utilizada para os testes.
Ilustração 1 – Estrutura Mongo utilizada nos testes.
Fonte: O Autor (2017)
Na Ilustração 2, a presenta a estrutura utilizada no CouchDB. Ilustração 2 – Estrutura CouchDB
Fonte: Autor (2017)
3.1 AMBIENTES DE APLICAÇÃO DOS TESTES
Tabela 1 – Equipamento utilizado nos testes
Equipamento 1 Descrição
Processador Intel Core i5 2.30 GHz
Memória RAM 8G
HD 1T
Sistema operacional Windows 10
Fonte: O Autor (2017) A Tabela 2 apresenta os softwares utilizados.
Tabela 2 – Software utilizados nos testes e suas respectivas versões
Software Versão MongoDB 3.4 CouchDB 2.1.0 PHP 7.1 Xampp 3.2.2 Composer 1.5.2
DLL Para xampp MongoDB 1.3.0
API PHP para MongoDB mongodb/mongo-php-library
API PHP pata CouchDB PHP-on-Couch/PHP-on-Couch
Fonte: O Autor (2017) 3.2 OS TESTES
Os testes foram divididos em 4 categorias sendo: inserção, consulta, atualização e exclusão.
Foram executados em loops de 1, 100, 1.000 e 10.000 repetições para buscas, bem como, as inserções. As atualizações e exclusões foram executadas sem a utilização de loops, sendo assim, feita em uma única execução.
Todos os testes foram executados três vezes cada, criado assim uma média, a qual permitiu a comparação dos resultados obtidos de cada SGDB.
4 RESULTADOS E DISCUSSÃO
São descritos nesta seção os resultados obtidos através da realização dos testes, onde os SGDBs, através das operações de inserção, seleção, atualização e exclusão, retornaram o tempo de execução de cada ação.
Os testes medem a diferença entre os tempos de execução de todas essas operações nos SGDBs MongoDB e CouchDB, com a finalidade de evidenciar que a diferencia de tempo para cada execução das ações citadas anteriormente.
Para a obtenção das medias foi criado um pequeno script php com a utilização da função microtime.
4.1 REULTADOS MONGODB
A seguir são mostrados os resultados obtidos com o SGBD MongoDB. Os resultados obtidos na inserção são mostrados na Tabela 3.
Tabela 3 – Resultados da Inserção com MongoDB em segundos
N. Inserção 1 10 100 1.000 10.000 1ª Execução em segundos 0,0028970 0,0084180 0,0626828 0,5367460 4,2534258 2ª Execução em segundos 0,0129501 0,0096790 0,0656988 0,8804371 5,5574191 3ª Execução em segundos 0,0061190 0,0137341 0,0644569 0,5831778 2,6881552 Media em segundos 0,0073220 0,0106103 0,0642795 0,6667869 4,1663333 Fonte: O Autor (2017)
Na Tabela 4 são mostrados os resultados da busca. Em uma collection com 1.000 registros
Tabela 4 – Resultados da Buscas com MongoDB em segundos
N. Busca 1 10 100 1.000 10.000
1ª Execução em segundos
0,0064208 0,0185160 0,0376162 1,2514202 12,043915 2ª Execução 0,0092270 0,0205109 0,1303579 1,2024118 14,740020
em segundos 3ª Execução em segundos 0,0079121 0,0196480 0,1239819 1,4203879 5,3154330 Media em segundos 0,0078533 0,0195583 0,0973186 1,2914066 10,699789 Fonte: O Autor (2017) Na Tabela 5 são mostrados resultados os dados de alteração.
Tabela 5 – Resultados da Alteração com MongoDB em segundos
N. Alteração 1 1ª Execução em segundos 0,0069289 2ª Execução em segundos 0,0066189 3ª Execução em segundos 0,0067579 Media em segundos 0,0067685 Fonte: O Autor (2017) Na Tabela 6 são mostrados os dados de exclusão.
Tabela 6 – Resultados da Exclusão com MongoDB em segundos
N. Exclusão 1 1ª Execução em segundos 0,2543458 2ª Execução em segundos 0,0046021 3ª Execução em segundos 0,0046010 Media em segundos 0,0878496 Fonte: O Autor (2017) 4.2 RESULTADOS COUCHDB
A seguir são mostrados os resultados obtidos com o SGDB CouchDB.
Os resultados obtidos na inserção do primeiro equipamento são mostrados na Tabela 7.
Tabela 7 - Resultados da Inserção com CouchDB em segundos
1ª Execução em segundos 0,2760151 2,9091660 28,740644 281,18008 2884,3909 2ª Execução em segundos 0,3160181 3,0911769 29,103664 281,18508 2884,4109 3ª Execução em segundos 0,3480200 2,8911650 29,226675 285,29631 2886,3813 Média em segundos 0,31335106 2,9638359 29,023661 282,55382 2885,0610 Fonte: O Autor (2017)
Na Tabela 8 são mostrados os dados da busca dos dados. Em 1000 registros.
Tabela 8 – Resultados da Buscas com CouchDB em segundos
N. Busca 1 vez 10 vezes 100 vezes 1.000 vezes 10.000 vezes 1ª Execução em segundos 0,2610149 2,6701543 26,404513 263,09703 2638,4139 2ª Execução em segundos 0,2810158 2,5821475 26,188492 263,95609 2626,9112 3ª Execução em segundos 0,2660150 2,5931478 26,311504 265,22917 2629,6352 Media em segundos 0,2693485 2,6151498 26,301503 264,09409 2631,6534 Fonte: O Autor (2017)
Na Tabela 9 são mostrados os dados de alteração.
Tabela 9 – Resultados da Alteração com CouchDB em segundos
N. Alteração 1 vez 1ª Execução em segundos 0,2670553 2ª Execução em segundos 0,2533456 3ª Execução em segundos 0,2655790 Media em segundos 0.2619933 Fonte: O Autor (2017) Na Tabela 10 são mostrados os dados de exclusão.
Tabela 10 – Resultados da Exclusão com CouchDB em segundos
N. Exclusão 1 vez
1ª Execução em segundos 0,2302433
3ª Execução em segundos 0,2298359
Media em segundos 0,2350935
Fonte: O Autor (2017)
4.3 COMPARAÇÃO DOS DADOS
É apresentada na Tabela 11 a comparação entres as médias obtidas do MongoDB e CouchDB.
Tabela 11 – Comparação das médias do MongoDB e CouchDB Nº da operação SGDBs Médias Inserções em segundos Médias Buscas em segundos 1 vez MongoDB 0,0073220 0,0078533 CouchDB 0,31335106 0,2693485 10 vezes MongoDB 0,0195583 0,0195583 CouchDB 2,9638359 2,6151498 100 vezes MongoDB 0,0642795 0,0973186 CouchDB 29,023661 26,301503 1.000 vezes MongoDB 0,6667869 1,2914066 CouchDB 282,55382 264,09409 10.000 vezes MongoDB 4,1663333 10,699789 CouchDB 2885,0610 2631,6534 Fonte: O Autor 2017
Na Tabela 11, com os dados obtidos nas médias de inserções em segundos, o MongoDB apresenta média de execução muito superior à obtida com o CouchDB. Em quanto o MongoDB leva 0,0073220 segundos para inserir um registro no banco de dados, o CouchDB leva 0,3122516 segundos em média para fazer a mesma operação. O MongoDB continua superior ao CouchDB inserindo 10, 100, 1.000, 10.000 registros.
Ainda na Tabela 11, os dados obtidos nas médias de busca em segundos, o MongoDB se mantém superior ao CouchDB com os seguintes resultados. Busca em um banco de dados
com mil registros uma vez: 0,0078533, 10 vezes: 0,0195583, 100 vezes: 0,0973186, 1.000 vezes: 1,2914066 e 10.000 vezes: 10,699789.
Tabela 12 – Comparação das médias do MongoDB e CouchDB alteração e exclusão Nº da operação SGDBs Médias Alteração em segundos Médias Exclusão em segundos 1 vez MongoDB 0.2619933 0.2619933 CouchDB 0.2619933 0,2350935 Fonte: O Autor (2017)
Na Tabela 12, na média de alteração, mais uma vez o MongoDB supera o CouchDB e no último tópico da Tabela 12, na média de exclusão, o MongoDB supera por definitivo o CouchDB.
5 CONCLUSÃO
A comparação entre os dois SGDBs não-relacionais MongoDB e CouchDB permitiu verificar quanto tempo cada banco de dados leva para inserir, buscar, alterar e excluir os dados do banco utilizando uma aplicação Web em PHP. Seja qual for a operação de manipulação de dados, o MongoDB destacou-se com o menor tempo necessário para realizar estas operações. Pode ser possível que os drivers de conexão interfiram no desempenho da execução, portanto, seria de grande relevância para trabalhos futuros uma comparação de desempenho com outros drivers disponíveis em outras linguagens de programação, como Java e C#. No entanto, com os resultados já obtidos é possível concluir que o MongoDB possui desempenho consideravelmente superior se comparado ao CouchDB para realização de qualquer operação de manipulação de dados, quando utilizado em uma aplicação Web desenvolvida em PHP.
REFERÊNCIAS
CUNHA, T. M. de A. Escalabilidade de Sistemas com Banco de Dados NoSQL: um Estudo de Caso Comparativo com MongoDB e MySQL. 2011. 85 f. Centro Universitário da Bahia – Estácio, Salvador.
COUCHDB. 2017. Disponível em:http://docs.couchdb.org/en/2.1.0/- Acessado em 4 outubro. 2017.
COMPOSER. 2017. Disponível em: https://getcomposer.org/doc/ - Acessado em 4 outubro. DATE, J.C. Introdução a Sistemas de Banco de Dados. 2004. 7ª ed. Education. Pearson. ELMASRI, RAMEZ; NAVATHE, SHAMKANT B. 2011 Sistemas de Bancos de Dados. Pearson, 6a. edição em português.
Jean Nascimento. 2010.NoSQL – você realmente sabe do que estamos falando?. Disponível em: https://imasters.com.br/artigo/17043/banco-de-dados/nosql-voce-realmente-sabe-do-que-estamos-falando?trace=1519021197&source=single - Acessado em 9 outubro.
JOE LENNON. 2009. Disponível em: https://www.ibm.com/developerworks/br/library/os-couchdb/index.html - Acessado em 7 outubro.
Joel De Bortoli.2012.Data Mining. Disponível em:
http://www.joeldebortoli.com/2012/08/data-mining-mineracao-de-dados.html - Acessado em 7 outubro.
MONGODB. 2017. Disponível em: https://docs.mongodb.com/ - Acessado em 2 outubro. 2017.
MONGODB/MONGO-PHP-LIBRARY. 2017. Disponível em:
https://github.com/mongodb/mongo-php-library. Acessado em 4 outubro. 2017
PHP-ON-COUCH/PHP-ON-COUCH. 2017. Disponível em: https://github.com/PHP-on-Couch/PHP-on-Couch. Acessado em 8 outubro. 2017.
PHP. 2017. Disponível em: http://php.net/manual/pt_BR/set.mongodb.php - Acessado em 4 outubro. 2017.
PORCELLI, ALEXANDRE. O que é NoSQL? . Disponível em:
http://www.devmedia.com.br/o-que-e-nosql-java-magazine-86/18777Java Magazine, 86, jan. 2011. Acessado em: 10 de maio. 2017.
STROZZI.it. 2 de outubro de 2007. Disponível em: http://www.strozzi.it/cgi-bin/CSA/tw7/I/en_US/nosql/Home%20Page - Acessado em 9 outubro. 2017.
SECURE.2017.Informações Gerais. Disponível em:
https://secure.php.net/manual/pt_BR/faq.general.php - Acessado em 9 outubro. 2017. SOLAGNAE. A; LAZZARETTI A. T. 2016. UM ESTUDO COMPARATIVO ENTRE O MONGODB E O POSTGRESQL. Disponível em:
http://painel.passofundo.ifsul.edu.br/uploads/arq/201607111805501015914198.pdf - Acessado em 4 outubro.
TAMANE, SHARVARI, Non-Relational Databases in Big Data. In: Italian Conference on Theoretical Computer Science, 2016, Udaipur, India.
